論文の概要: PAD-Hand: Physics-Aware Diffusion for Hand Motion Recovery

• arxiv url: http://arxiv.org/abs/2603.26068v1
• Date: Fri, 27 Mar 2026 04:39:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.353845
• Title: PAD-Hand: Physics-Aware Diffusion for Hand Motion Recovery
• Title（参考訳）: PAD-Hand:手の動き回復のための物理認識拡散
• Authors: Elkhan Ismayilzada, Yufei Zhang, Zijun Cui,
• Abstract要約: 雑音の多いポーズ列を物理的に可視な手の動きに洗練する物理認識型条件拡散フレームワークを提案する。 メッシュCNN-Transformerのバックボーン上に構築したEuler-Lagrangeのダイナミックスを手話の手話で定式化する。 本手法では,物理の整合性を測定し,解釈可能な分散写像を提供する。
• 参考スコア（独自算出の注目度）: 8.428762763310232
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Significant advancements made in reconstructing hands from images have delivered accurate single-frame estimates, yet they often lack physics consistency and provide no notion of how confidently the motion satisfies physics. In this paper, we propose a novel physics-aware conditional diffusion framework that refines noisy pose sequences into physically plausible hand motion while estimating the physics variance in motion estimates. Building on a MeshCNN-Transformer backbone, we formulate Euler-Lagrange dynamics for articulated hands. Unlike prior works that enforce zero residuals, we treat the resulting dynamic residuals as virtual observables to more effectively integrate physics. Through a last-layer Laplace approximation, our method produces per-joint, per-time variances that measure physics consistency and offers interpretable variance maps indicating where physical consistency weakens. Experiments on two well-known hand datasets show consistent gains over strong image-based initializations and competitive video-based methods. Qualitative results confirm that our variance estimations are aligned with the physical plausibility of the motion in image-based estimates.
• Abstract（参考訳）: 画像から手を取り直すための重要な進歩は、正確な単一フレームの推定を導いてきたが、しばしば物理の一貫性が欠如しており、運動がいかに確実に物理を満足するかという概念を提供していない。 本稿では,動き推定における物理分散を推定しながら,ノイズの多いポーズ列を物理的に可塑性な手の動きに洗練する物理認識型条件拡散フレームワークを提案する。 メッシュCNN-Transformerのバックボーン上に構築したEuler-Lagrangeのダイナミックスを手話の手話で定式化する。 ゼロ残差を強制する以前の研究とは異なり、結果の動的残差を仮想観測可能なものとして扱い、より効果的に物理学を統合する。 ラプラス近似(Laplace approximation)により、物理の整合性を測定し、物理の整合性の弱さを示す解釈可能な分散写像を提供する。 2つのよく知られた手動データセットの実験は、強い画像ベースの初期化と競争力のあるビデオベース手法よりも一貫した利得を示している。 定性的な結果から、画像に基づく推定において、我々の分散推定は運動の物理的妥当性と一致していることが確認された。

関連論文リスト

• Optimal-state Dynamics Estimation for Physics-based Human Motion Capture from Videos [6.093379844890164]
  オンライン環境での運動学観測に物理モデルを選択的に組み込む新しい手法を提案する。 リカレントニューラルネットワークを導入し、キネマティックス入力とシミュレートされた動作を熱心にバランスするカルマンフィルタを実現する。 提案手法は,物理に基づく人間のポーズ推定作業に優れ,予測力学の物理的妥当性を示す。
  論文  参考訳（メタデータ） (2024-10-10T10:24:59Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• MultiPhys: Multi-Person Physics-aware 3D Motion Estimation [28.91813849219037]
  モノクロビデオから多人数動作を復元する手法であるMultiPhysを紹介する。 私たちの焦点は、様々なエンゲージメントの度合いで、ペアの個人間のコヒーレントな空間配置をキャプチャすることにあります。 本研究では,運動量に基づく運動を物理シミュレーターに自動回帰的に供給するパイプラインを考案する。
  論文  参考訳（メタデータ） (2024-04-18T08:29:29Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)
• Physics-Guided Human Motion Capture with Pose Probability Modeling [35.159506668475565]
  既存の解は常にキネマティックな結果を参照運動として採用し、物理は後処理モジュールとして扱われる。 本研究では,逆拡散過程における物理法則を用いて,モデル化されたポーズ確率分布から人間の動きを再構成する。 数回の反復で、物理に基づく追跡とキネマティック・デノゲーションは互いに促進し、物理的に妥当な人間の動きを生成する。
  論文  参考訳（メタデータ） (2023-08-19T05:28:03Z)
• Trajectory Optimization for Physics-Based Reconstruction of 3d Human Pose from Monocular Video [31.96672354594643]
  本研究は,単眼映像から身体的に可視な人間の動きを推定する作業に焦点をあてる。 物理を考慮しない既存のアプローチは、しばしば運動人工物と時間的に矛盾した出力を生み出す。 提案手法は,Human3.6Mベンチマークにおける既存の物理法と競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-05-24T18:02:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。